[發明專利]一種基于CFD數值模擬和機器學習的智能加藥系統和方法

在審

• 申請號: 202010980741.6
• 申請日: 2020-09-17
• 公開（公告）號: CN112216354A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 詹敏述;袁芳;史廣思;徐偉;程國堅;游明皓
• 申請（專利權）人: 江蘇集萃工業過程模擬與優化研究所有限公司;中環保水務投資有限公司;中節能工程技術研究院有限公司
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C20/10;C02F1/00;C02F1/52
• 代理公司: 蘇州簡理知識產權代理有限公司 32371
• 代理人: 楊瑞玲

本發明公開了一種基于CFD數值模擬和機器學習的智能加藥系統和方法，該系統包括運算分析模塊、優化控制模塊和反應沉淀池，運算分析模塊包括歷史運行數據庫、CFD模擬數據庫、模型樣本數據庫和機器學習模型，歷史運行數據庫包括反應沉淀池在不同參數下的歷史運行數據，CFD模擬數據庫包括模型計算獲得的反應沉淀池模擬數據，歷史運行數據和CFD模擬數據在模型樣本數據庫中進行數據融合，獲得模型樣本數據，機器學習模型對模型樣本數據進行訓練，獲得反應沉淀池內的加藥量參數，優化控制模塊根據加藥量參數在反應沉淀池內投加藥劑。本申請在CFD數值模擬結果擴充歷史數據集，增加了機器學習輸入數據維度，利于機器學習建立更好的預測模型，實現藥劑精準投加。

技術領域

本發明屬于水處理技術領域中的智能加藥系統，尤其涉及一種基于CFD數 值模擬和機器學習的智能加藥系統和方法。

背景技術

通過投加除磷藥劑的化學混凝方法，是去除污水中微小懸浮物和膠體雜質 的有效方法之一。由于進水水質和水量波動較大，一些憑經驗運行的污水處理 廠排放難以穩定達標。在這種情況下，眾多污水處理廠多采用過量投放藥劑的 方法以實現達標排放的目的。但藥劑的過量投加，不僅增加了藥劑成本，而且 導致了污泥產量增大而相應處理成本增加的問題。更為嚴重的情況，過量的藥 劑投加還會對水質產生二次污染。因此，除磷藥劑的精準投加對于污水廠的達 標排放和降低運行成本至關重要。

目前針對水處理中的智能投藥系統分為兩類：第一類是通過自動化控制的 方式實現，如專利CN209526334U中PLC控制器根據加藥箱的溫度、壓力和 液位進行加藥，專利CN109592760A中控制器根據進出水流量和濁度控制加藥， 然而自動化控制方法受制于污水處理過程所存在的非線性、不確定性、時滯性、 變量多等問題，難以實現對其高效穩定的控制；第二類是通過智能算法的方式 實現，如專利CN110981021A的神經網絡模型算法、專利CN106227251A和 CN106348408A開發的加藥量算法，可以考慮更多變量對藥劑投加量的影響， 實現了由自動化到智能化的轉變。然而，以上這些智能加藥系統和方法，均未 考慮到反應沉淀池內流場特征對加藥和絮凝效果的影響。

目前的污水處理廠基本上根據經驗公式和參數進行設計和操作，未考慮反 應沉淀池內流動和混合情況。然而，反應沉淀池內的流動不均勻，如渦流或流 動死區以及短路流等情況，嚴重制約混凝和絮凝的加藥效果，致使加藥量增多 或者出水水質很難達標。同時，對于水質水量波動劇烈的情況，反應沉淀池內 的流場變化較大，此時對藥劑的投加量更是缺乏調控依據。

因此，結合上述存在的技術問題，有必要提出一種新的技術方案。

發明內容

本發明的目的在于提供一種基于CFD數值模擬和機器學習的智能加藥系統 和方法，其中CFD數值模擬方法考慮了流動特征對加藥效果的影響，補充了模 型樣本數據庫的完整度，提高了機器學習的準確性和可靠性；同時，CFD模擬 數據與運行數據進行數據融合，提供給機器學習進行訓練與深度學習，最終為 水處理過程中的智能加藥系統提供最優參數。

為實現發明目的，根據本發明的一個方面，本發明提供一種基于CFD數值 模擬和機器學習的智能加藥系統，其包括運算分析模塊、優化控制模塊和反應 沉淀池，所述運算分析模塊包括歷史運行數據庫、CFD模擬數據庫、模型樣本 數據庫和機器學習模型，所述歷史運行數據庫中包括有通過污水生產運行積累 的所述反應沉淀池在不同參數下的歷史運行數據，所述CFD模擬數據庫中包括 有通過模型計算獲得的所述反應沉淀池的模擬數據，所述歷史運行數據庫和 CFD模擬數據庫分別被配置的能夠將歷史運行數據和模擬數據發送至所述模型 樣本數據庫，所述模型樣本數據庫被配置的對所述歷史運行數據庫和CFD模擬 數據庫分別發送的數據信息進行數據融合，獲得模型樣本數據，所述機器學習 模型被配置的能夠對所述模型樣本數據進行訓練，所述機器學習模型還被配置 的計算獲得所述反應沉淀池內的加藥量參數，所述優化控制模塊被配置的能夠 根據所述機器學習輸出的加藥量參數在所述反應沉淀池內投加藥劑。